計算機在生物醫藥領域的應用與發展前景

楊雨衡 楊雪

【摘 要】綜述計算機在生物醫藥領域中的應用及發展前景，并介紹了計算機在信息檢索與網絡、生物專用計算機、藥物不良反應監測、計算機輔助藥物研究、生物醫療健康大數據支撐平臺等方面的應用，提出了今后生物醫藥行業計算機應用的發展方向。

【關鍵詞】計算機；生物醫藥；數據庫

一、信息檢索與網絡

網上的資源無窮無盡， 為生物醫藥研發工作提供了準確、快捷的信息，一般可以通過網上綜合搜索引摯，如谷歌學術搜索（https：//scholar.google.com.hk/）、百度學術搜索（http：//xueshu.baidu.com/）；專業化的醫藥信息數據庫如Reaxys（https：//new.reaxys.com/），Scifinder（https：//scifinder.cas.org/），Elsevier（https：//www.elsevier.com），中國生物醫學文獻數據庫等。此外，還包括MEDLINE（https：//www.nlm.nih.gov/bsd/pm

resources.html），U.S.FOOD& DRUG ADMIN

ISTRATION（https：//www.fda.gov），Pharmacy（https：//www.pharmacy.org）等藥學信息網站。

二、計算機輔助藥物設計

計算機輔助藥物設計（computer aided drug design/computer assisted drug design）是以計算機為載體，綜合運用物理、化學和生物學等學科的基本原理和（統計）數學知識，對藥物研發的各個階段進行輔助解釋、預測和設計。1962年，Hansch發表Hansch方程，首次實施藥物結構與生物活性之間的定量構效關系，計算機技術開始得以應用于藥物設計研究。目前，計算機輔助藥物設計主要研究方向包括以下7個方面：虛擬小分子生成、大分子結構預測、定量構效關系、藥效團模型、分子對接、全新藥物設計和動態模擬。傳統的藥物研發不僅周期漫長，而且耗費大量的人力物力。計算機輔助藥物設計的引入對整個研發過程都有一定的推動作用，有時候甚至可以起到推動藥物研發或者決定藥物研發成敗的關鍵因素。

三、生物醫療健康大數據支撐平臺

隨著生物分析技術的不斷發展進步， 生物醫藥領域的數據量已經從以前的TB級上升到PB級，甚至EB級。世界各國紛紛建立生物醫藥領域的大數據中心，如美國國家生物技術信息中心（The National Center for Biotechnology Information，NCBI）、歐洲生物信息研究所（European Bioinformatics Institute， EBI）、我國的華大基因、標普醫學信息研究中心等機構均持有的數十PB的數據，這些數據涵蓋醫學影像、電子病歷、基因序列、科學文獻等多種類型。由于這些數據來源復雜、有較強的異質特性，對存儲系統的構建和數據管理方式提出了新的挑戰。目前，主要應用的技術包括批處理、流處理、圖處理、迭代式高性能計算、高通量計算；針對存儲系統設計方面的挑戰，可考慮使用使能技術；針對異質的海量數據，可考慮設計數據管理中間件，實現多模態數據的集中管理，例如IRods、skype等。生物醫藥學大數據處理的相關應用中一些常用的核心算法，如：圖論算法、字符串算法、隨機化算法等，同時，嘗試設計異構并行算法結構、寬向量化機制、計算和I/O重疊方法等，實現基因排序、文本挖掘、藥物篩選、影像重構等生物醫學健康領域的核心算法計算性能的提升。已開展的相關研究如下：融合網絡大數據的重大及新發傳染病預警預測模型研究、面向典型疾病的高精度生物大分子三維結構研究、基于機器學習的生物醫學大數據挖掘理論與方法研究等。

四、藥物不良反應監測

藥品不良反應（英語：adverse drug reaction，簡稱ADR）是患者在使用某種藥物治療疾病的時候產生的與治療無關的作用，而這種作用一般都對患者的治療不利。隨著計算機及網絡技術的飛速發展，利用計算機及網絡來開展ADR研究已經成為一種必然趨勢。目前，主要包括ADR自發呈報系統、ADR醫院集中監測系統、ADR因果關系判斷等方面。雖然，目前國內的ADR文獻數據庫從規模、功能上還有很多不足，許多學者嘗試把流行病學的原理、方法應用到ADR的監測工作中，解決了實際應用中的許多難題。

五、計算機輔助診斷

計算機輔助診斷（computer aided diagnosis，CAD）是指通過影像學、醫學圖像處理技術以及其他可能的生理、生化手段，結合計算機的分析計算，輔助醫生發現病灶，提高診斷的準確率。CAD已逐漸成為醫學領域的研究熱點。主要包括以下四個方面：1.圖像預處理；2.感興趣區（region of interest，ROI）的分割；3.特征提取、選擇與分類；4.腫瘤區域的識別。目前研究的熱點是將深度學習算法應用于CAD系統，有望解決基于傳統淺層機器學習的CAD問題，提高輔助診斷的能力。

六、發展前景

雖然計算機在生物醫藥領域得到了廣泛應用，但與其它學科相比，在應用的普及性、深入性上還有較大的差距。我國的生物醫藥行業正處于攻堅克難、創新實干的關鍵時期，計算機在生物醫藥領域具有非常廣闊的應用前景和發展空間。隨著計算機技術的高速發展，多學科交叉融合，在未來的研究中必將會有更大突破。

【參考文獻】

[1]鄒元平等.計算機及網絡技術在藥物不良反應監測中的應用[J].藥物流行病學雜志，2004（13）：343-346

[2]盧宇彤等.生物醫療健康大數據應用支撐平臺與關鍵技術[J].科研信息化技術與應用，2017.8（1）3-9

[3]朱瑞新.計算機輔助藥物設計——基本方法原理概要與實踐詳解[M].上海：大連理工大學出版社，2012

（吉林省四平市第一高級中學）